当前位置:首页 > 文章列表 > Golang > Go教程 > Go 怎么用双向链表实现固定容量 LRU 缓存

Go 怎么用双向链表实现固定容量 LRU 缓存

来源:17golang原创 2026-09-06 07:01:46 0浏览 收藏

如果缓存只用一个 map,可以很快找到 key,却不知道谁最久没被访问;如果只用链表,又要在线性时间里查找 key。Go 实现固定容量 LRU(Least Recently Used)的常见组合是 map[string]*list.Element 加 container/list:map 负责定位,双向链表负责顺序。本文约定链表头是“最近使用”,尾部是“最久未使用”,每次命中或写入都把节点移到头部。

核心做法是让 map 指向链表节点:Get 命中时 MoveToFront,Put 新增时 PushFront,超出容量时删除 Back,并同步删除 map 中的 key。这样查找、更新顺序和淘汰都能保持 O(1)。
要点速览
  • 链表节点的 Value 保存 key 和 value,map 保存节点指针。
  • 更新已有 key 不增加长度,只移动节点并替换值。
  • 容量小于等于 0 时直接视为不缓存;并发访问要在外层加锁。

先把 map 定位和链表顺序分开

container/list 是标准库提供的双向链表。Front、Back 返回两端节点,MoveToFront 可以在已知节点指针时调整顺序,Remove 删除节点。LRU 不应该把业务对象直接放进 map,而是让 map 指向 list.Element,这样命中后不用再次扫描链表。

组件保存内容职责
itemskey → *list.Element快速定位节点
order头新尾旧维护淘汰顺序
entrykey、value让删除节点时仍能取回 key

用固定容量封装 Get 和 Put

下面的实现故意保持单线程语义,适合先理解数据结构。容量为 0 时,Put 不保存;已有 key 再写入时只更新值并移动到头部。淘汰时先读出尾节点里的 key,再调用链表删除,最后删掉 map 项。

package lru

import "container/list"

type entry struct {
	key   string // 删除尾节点时需要用 key 清理 map
	value string // 示例使用字符串值,业务中可替换为具体类型
}

type Cache struct {
	capacity int
	items    map[string]*list.Element // key 到链表节点的 O(1) 索引
	order    *list.List                // 头部最近使用,尾部最久未使用
}

func New(capacity int) *Cache {
	return &Cache{
		capacity: capacity,
		items:    make(map[string]*list.Element), // 预留索引容器
		order:    list.New(),                     // 创建已初始化的双向链表
	}
}

func (c *Cache) Get(key string) (string, bool) {
	e, ok := c.items[key]
	if !ok {
		return "", false // map 未命中,不改变顺序
	}
	c.order.MoveToFront(e) // 命中即变成最近使用
	return e.Value.(entry).value, true // Element.Value 取回业务值
}

func (c *Cache) Put(key, value string) {
	if c.capacity 

这里的 Element.Value 是 any,所以断言类型必须和写入时一致。生产代码若需要泛型,可以把 key、value 放到自定义节点里,或使用泛型封装,但仍要保持 map 与链表节点的一一对应。

容量边界和更新路径要各自验证

容量为 2 时依次写入 A、B,顺序是 B → A;再读取 A,顺序变成 A → B;写入 C 后删除 B,最终是 C → A。这个小例子能覆盖新增、命中移动和尾部淘汰三条路径。覆盖已有 key 时不要调用 PushFront,否则 map 仍指向旧节点,长度也会虚增。

还要注意 Back() 可能返回 nil。只要先处理容量小于等于 0,并且每次新增后才在超限分支取尾节点,就不会对空指针做 Value 访问。

并发使用时补上锁,而不是误以为 list 自带安全

map 和 container/list 的这组操作需要作为一个整体保持一致。多个 goroutine 同时调用 Get 与 Put 时,应在 Cache 中增加 sync.RWMutex 或 sync.Mutex,并让读命中时移动链表的操作使用写锁;因为 LRU 的 Get 并不是纯读操作。若缓存值还要设置过期时间,应额外记录时间并明确“过期优先还是容量淘汰优先”的策略。

常见问题

为什么不用 slice 保存访问顺序?

slice 查找和中间删除通常要移动元素,命中后维护顺序不是 O(1)。map 加双向链表更适合固定容量 LRU。

删除节点后还能从 map 找到它吗?

不能保留旧索引。淘汰必须同时执行 Remove 和 delete,否则 map 会留下指向已脱离链表节点的条目。

Get 为什么也需要写锁?

因为命中后要调用 MoveToFront 改变链表结构;并发版本不能把它当成只读查询。

Go container/list 与 map 组成 LRU 缓存的定位和顺序边界关系图
图1:map 负责从缓存 key 定位到 list.Element,双向链表负责表达最近使用到最久未使用的静态顺序。
Go LRU entry、链表头尾和容量淘汰之间的静态关系图
图2:entry 携带 key 让尾节点淘汰时可以同步清理 map,容量边界因此闭合。
版本声明
本文转载于:17golang原创 如有侵犯,请联系study_golang@163.com删除
前端下载文件怎么保留后端返回的文件名前端下载文件怎么保留后端返回的文件名
上一篇
前端下载文件怎么保留后端返回的文件名
仓库称重时毛重净重和皮重怎么区分
下一篇
仓库称重时毛重净重和皮重怎么区分
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    577次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    619次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    650次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    613次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    428次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码